MétaCan
Menu
Retour à la cohorte
Enregistrement W6901688112 · doi:10.60692/b64es-15b23

Climate Factors Play a Limited Role for Past Adaptation Strategies in West Africa

2010· article· en· W6901688112 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésLivelihoodLivestockPastureClimate changeProduction (economics)FodderGovernment (linguistics)Agriculture

Résumé

récupéré en direct d'OpenAlex

The Sudano-Sahelian zone of West Africa has experienced recurrent droughts since the mid-1970s and today there is considerable concern for how this region will be able to adapt to future climate change.To develop well targeted adaptation strategies, the relative importance of climate factors as drivers of land use and livelihood change need to be better understood.Based on the perceptions of 1249 households in five countries across an annual rainfall gradient of 400-900 mm, we provide an estimate of the relative weight of climate factors as drivers of changes in rural households during the past 20 years.Climate factors, mainly inadequate rainfall, are perceived by 30-50% of households to be a cause of decreasing rainfed crop production, whereas a wide range of other factors explains the remaining 50-70%.Climate factors are much less important for decreasing livestock production and pasture areas.Increases in pasture are also observed and caused by improved tenure in the driest zone.Adaptation strategies to declining crop production include 'prayer' and migration in the 400-500 mm zone; reforestation, migration, and government support in the 500-700 mm zone; and soil improvement in the 700-900 mm zone.Declining livestock holdings are countered by improved fodder resources and veterinary services.It is concluded that although rainfed crop production is mainly constrained by climate factors, livestock and pasture are less climate sensitive in all rainfall zones.This needs to be reflected in national adaptation strategies in the region.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,216
Écart entre enseignants0,159 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetClimate change impacts on agricultureTravaux en français237 207